(supermind策略)换手率3%-12%、2021年、收盘价_boll(upper值)

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

该选股策略选股逻辑为:选择换手率在3%-12%的股票中,上市年份为2021年,且收盘价在boll(upper值)与boll(mid值)之间的股票。

选股逻辑分析

该选股策略选股逻辑结合了换手率、上市年份和技术指标等因素,能够综合考虑股票的基本面和技术面,并能够挖掘出基本面和技术面都优秀的股票。同时,选股逻辑中使用了boll指标,有助于反映股票的趋势和波动情况。

有何风险?

该选股策略存在以下风险:1、boll指标为一种基于统计分析的技术指标,受历史数据和股票市场整体变化的影响较大,具有一定的局限性;2、背离策略容易受到市场振荡周期的影响;3、选股仍然存在一定的盲目性,需要结合其他指标进行分析。

如何优化?

可加入其他技术指标,如MACD、RSI等,以辅助判断股票的买卖情况,并结合基本面,如资产负债、营收、利润等,综合考虑股票的整体情况。同时建议进行多周期的回测,判断该选股策略的稳定性和实际效果。

最终的选股逻辑

选择换手率在3%-12%的股票中,上市年份为2021年的股票,且收盘价在boll(upper值)与boll(mid值)之间。

同花顺指标公式代码参考

BOLL(20,2); //计算BOLL指标

Python代码参考

import pandas as pd
from pytdx.hq import TdxHq_API
from pytdx.util.best_ip import select_best_ip

#初始化TdxHq_API()并获取最优IP
api = TdxHq_API()
ip = select_best_ip('tdx')

def get_stock_list(api):
    #遍历股票市场获取所有股票
    dataList = []
    for market in [0, 1]:
        stock_list = api.get_security_list(market, 0)
        results = [(stock['code'], pd.Timestamp(stock['ipo_date']).year, stock['ipo_year'], stock['ipo_price'],
                    stock['ipo_amount'], stock['ltgb'], stock['zy'], stock['zql']) for stock in stock_list if stock['code'][0] in ['0', '3'] and
                   stock['market'] == 0 and stock['ipo_year'] == 2021]
        dataList += results
    return pd.DataFrame(dataList, columns=['stock_code', 'ipo_date', 'ipo_year', 'ipo_price', 'ipo_amount', 'ltgb', 'zy', 'zql'])

def get_matched_stocks(api, stock_list):
    #筛选出符合条件的股票
    condition1 = (stock_list['ltgb'] >= 200000000)
    condition2 = (stock_list['zql'] >= 3) & (stock_list['zql'] <= 12)
    stock_codes = stock_list[condition1 & condition2]['stock_code'].tolist()
    matched_stocks = []
    for code in stock_codes:
        data = api.get_k_data(code, 'D', '20210101', '20211231')
        if len(data) >= 20:
            boll_upper = data['close'].rolling(20).mean() + 2 * data['close'].rolling(20).std()
            boll_mid = data['close'].rolling(20).mean()
            condition3 = (data['close'] > boll_mid) & (data['close'] < boll_upper)
            if condition3.iloc[-1]:
                matched_stocks.append(code)
    return matched_stocks

#获取股票列表
stock_list = get_stock_list(api)

#筛选符合条件的股票
matched_stocks = get_matched_stocks(api, stock_list)

#输出结果
print('下列股票符合选股策略:')
print(matched_stocks)
    ## 如何进行量化策略实盘?
    请把您优化好的选股语句放入文章最下面模板的选股语句中即可。

    select_sentence = '市值小于100亿' #选股语句。

    模板如何使用?

    点击图标右上方的复制按钮,复制到自己的账户即可使用模板进行回测。


    ## 如果有任何问题请添加 下方的二维码进群提问。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论